Yoav Goldberg 困惑:顶级推理模型的思维链为何如此之好
LabYosi · x · 2026-09-25
NLP 学者 Yoav Goldberg 提出一个让他困惑的问题：当前 SOTA 推理模型在困难编程/逻辑/技术问题上产出的推理轨迹质量高得离谱，他不理解这些能力如何从 RL 训练中「涌现」——即使有初始 CoT 能力、即使跑过数十亿次 rollout。他的最大猜测是：花大量资金采购人工示例再做 SFT，但他不确定是否真是如此。
所属事件:学者激辩前沿模型推理能力从何而来(12 条相关)→
「模型」频道最新
- 开发者自建 git 网页应用被 Codex 安全护栏误判为网络安全风险 — brianmichel · 2026-11-11
- DeepSeek 开源编码 agent DSH 登上 HF Harness 榜，五项评测并列第一 — TheZachMueller · 2026-11-11
- 博主断言美国开源模型将凭盈利模式主导，但仍难追 Claude — marktenenholtz · 2026-11-11
- NVIDIA 发布开源 GR00T 2：真实灵巧手全自动完成化学实验 — EricBuess · 2026-11-11
- 降价反而更贵:新模型太爱自查，单任务成本涨31% — tengyanAI · 2026-11-11
- 美国数据厂商被指向中国军方关联企业出售RL环境数据 — xeophon · 2026-11-11